RAG-FLARKO는 개인화된 금융 추천을 위해 대규모 언어 모델(LLM)의 컨텍스트 제한, 환각 및 행동적 근거 부족 문제를 해결하고자 개발되었다. 이는 다단계 및 병렬 지식 그래프(KG) 검색 프로세스를 사용하여 확장성과 관련성 문제를 극복하는 FLARKO의 검색 증강 확장이다. RAG-FLARKO는 사용자의 거래 KG에서 행동 관련 엔티티를 검색한 다음, 이 컨텍스트를 사용하여 시장 KG에서 시간적으로 일관된 신호를 필터링하여 LLM을 위한 작고 근거 있는 하위 그래프를 구성한다. 실제 금융 거래 데이터셋에 대한 실험적 평가는 RAG-FLARKO가 추천 품질을 크게 향상시켰음을 보여주며, 더 작고 효율적인 모델이 수익성 및 행동 정렬 모두에서 높은 성능을 달성할 수 있게 한다.
